آینده گوگل در زمینه یادگیری ماشین : نکاتی برای برنامه‌نویسان مستقل

توسط علی‌مراد ۱۷ مرداد ۹۸
یادگیری ماشین

بدون شک هوش مصنوعی و یادگیری ماشین (Machine Learning) زمینه‌ای مهم برای نوآوری در فناوری‌های ارتباطی است. اگر یک برنامه نویس مستقل (فریلنسر) بخواهد همراه با آینده فناوری پیش برود، باید با فناوری‌های مورد مطالعه و اولویت‌های پژوهشی تحت حمایت شرکت‌های بزرگی مثل گوگل آشنا باشد.

در این صورت شانس با شما یار است! زیرا جف دین، یکی از مدیران و رهبران بخش هوش مصنوعی گوگل به تازگی پستی را منتشر کرده است که در آن به نمایندگی از بخش پژوهش‌های اجتماعی گوگل، موضوعات مورد توجه آن‌ها را معرفی کرده است. من در این مقاله خلاصه‌ای از اولویت‌ها و متون منتشر شده در این پست را مرور خواهم کرد. برای کسب اطلاعات بیشتر، جف دین مطالعه مقاله‌ای دیگر که در سال 2018 منتشر شده است را توصیه می‌کند. در نوین مارکتینگ ما مهم‌ترین دست‌آورده‌های گوگل در زمینه ماشین لرنینگ یا یادگیری ماشین را پیگیری می‌کنیم چیزی که در آینده کاری ما و شما تأثیر شگرفی خواهد داشت و اما اولویت‌های مورد نظر گوگل:

17 پروژه عجیب گوگل در موضوع یادگیری ماشین

  1. اصول اخلاقی و هوش مصنوعی: «ما در سال جاری اصول هوش مصنوعی گوگل همراه با برخی توصیه‌های فنی برای پیاده‌سازی آن‌ها را منتشر کردیم. ادغام این دو مورد چارچوبی برای ارزیابی توسعه هوش مصنوعی برای ما فراهم می‌کند، و ما امیدواریم که این اصول به شکل‌دهی افکار و اهداف سایر سازمان‌ها کمک کند…»
  2. هوش مصنوعی برای بهبود جامعه: «توانایی بالقوه هوش مصنوعی برای اثرگذاری قابل توجه در بسیاری از بخش‌های جامعه و موضوعات اجتماعی واضح و مبرهن است. مثالی از این مورد توانایی هوش مصنوعی برای کاربرد در پیش بینی سیل‌های بزرگ در اقصی نقاط جهان است. مثال دوم نیز کار ما [گوگل] روی پیش‌بینی پس‌لرزه‌های زلزله است. ما چالشی به نام اثرگذاری اجتماعی برای هوش مصنوعی گوگل راه‌اندازی کرده‌ایم که در آن با سازمان‌های دیگر در این زمینه همکاری می‌کنیم. به این صورت که افراد و سازمان‌های مختلف می‌توانند تا 25 میلیون دلار سرمایه را همراه با آموزش و توصیه‌های پژوهشگران، مهندسان و سایر کارشناسان گوگل دریافت کنند…»
  3. فناوری دستیاری: «بخش عمده‌ای از پژوهش‌های ما بر استفاده از یادگیری ماشین و علم رایانه برای کمک به انجام سریع‌تر و بهتر کارها متمرکز شده است. یکی از مثال‌های این مورد گوگل داپلکس است، سامانه‌ای که نیازمند پژوهش همزمان زبان طبیعی و درک مکالمه، تشخیص صحبت، درک کاربر و طراحی رابط کاربری مناسب است تا در نهایت یک کاربر بتواند به راحتی بگوید «می‌توانی برای من در ساعت 4 عصر وقت آرایشگاه بگیری؟»، و دستیار مجازی به نمایندگی از او از تلفن استفاده کند و جزییات لازم را نهایی کند. مثال دیگری از این مورد نیز ویژگی متن ترانه پیشنهادی و جستجوی صوتی است. فناوری‌هایی که بر اساس قابلیت در حال اجرای موسیقی برای یافتن متن ترانه موسیقی در سریع‌ترین زمان و با بیشتر دقت ممکن به کار می‌رود… یکی از موارد تمرکز مهم پژوهش‌های ما کمک به تولید محصولاتی نظیر پشتیبانی دستیار صوتی گوگل از زبان‌های بیشتر و درک بهتر مشابهت‌ها است…»یادگیری ماشین
  4. رایانش کوانتومی (Quantum Computing): «ما فعالانه پژوهش‌هایی را در این زمینه دنبال می‌کنیم و بر این باور هستیم که از این زمینه می‌توان حداقل برای نشان دادن یک موضوع، موسوم به برتری کوانتومی، استفاده کرد. ما همچنین محصولی به نام Criq را منتشر کرده‌ایم که چارچوبی برای رایانه‌های کوانتمی است…»
  5.  درک زبان طبیعی: «پژوهش‌های زبان طبیعی از سال 2018 با مجموعه‌ای از پژوهش‌های بنیادی در کنار بررسی‌های محصول محور در گوگل انجام می‌شود. ما پژوهش‌های تبدیل‌گر (Transformer) خود در سال 2017 را بهبود دادیم، نتیجه این کار نسخه‌ای موازی به نام تبدیل‌گر جهانی است که می‌تواند چندین وظیفه زبان طبیعی را به خوبی انجام دهد… همچنین محصول BERT، اولین بیان‌گر عمیق، بدون نظارت و دو طرفه زبان را توسعه داده‌ایم…
  6.  ادراک: «پژوهش‌های ادارکی ما، رفع مشکلات رایانه‌ها در درک تصاویر، صداها، موسیقی‌ها و ویدئوها را هدف قرار داده و ابزارهایی قدرتمندتر برای ثبت، مقایسه، پردازش، نمایش خلاقانه و بهبود واقعیت تصاویر فراهم می‌کند. در سال 2018 فناوری ما توانایی بخش عکس‌های گوگل را در سازمان‌دهی محتوایی مورد توجه کاربران بهبود بخشید… گوگل لنز و دستیار گوگل به کاربران کمک می‌کنند که چیزهای بیشتری درباره طبیعت جهان یاد بگیرند و در کمترین زمان به سؤالات آن‌ها پاسخ می‌دهند. ما در سال 2018 از پژوهش‌های دانشگاهی یادگیری عمیق درک احساس سه‌بعدی پیشرفته نظیر تولید صدای استریو، ایجاد روش‌های جدید برای بیان بصری یک حس و … حمایت مالی کرده‌ایم…»
  7. عکاسی رایانه‌ای: «پیشرفت کیفیت و تطبیق‌پذیری دوربین‌های موبایل در سال‌های اخیر شگفت‌انگیز بوده است… بخشی از این پیشرفت در نتیجه بهبود سنسورهای فیزیکی مورد استفاده در موبایل‌ها است، اما بخش عمده‌ آن ناشی از پیشرفت علمی در عکاسی رایانه‌ای است. امسال یکی از اولویت‌های اصلی ما تحقیق درباره‌ عکاسی رایانه‌ای، برای ایجاد ویژگی جدیدی در دوربین‌های تلفن همراه به نام دید در شب (Night Sight) است، قابلیتی که به این دوربین‌ها اجازه می‌دهد که در تاریکی هم ببینند…»
  8.  الگوریتم و تئوری: «الگوریتم‌ها ستون فقرات گوگل هستند و دستی در تمامی محصولات ما دارند… ما پژوهش‌های خود در الگوریتم‌ها و تئوری‌های مورد استفاده را در گستره وسیعی از موضوعات ادامه خواهیم داد. کار ما در بهینه‌سازی زمینه‌های مختلف از بهینه‌سازی یادگیری ماشین تا بهینه‌سازی توزیع ترکیبی ادامه خواهد داشت. در زمینه‌های کاربردی‌تر نیز تکنیک‌های الگوریتمی جدیدی برای حل مشکلات مقیاس‌دهی به طرح‌ها و نیز رفع مشکلات تقسیم بندی متعادل و خوشه بندی سلسله مراتبی طرح‌های دارای میلیاردها مرز را توسعه خواهیم داد. در زمینه انتخاب تئوری الگوریتمی نیز، مدلی جدید را ارائه کرده، و بازسازی و یادگیری مخلوطی از ورودی‌های چندجمله‌ای را بررسی می‌کنیم… همچنین پژوهش‌های جدید ما شامل تکنیک‌هایی است که به تبلیغ‌دهندگان برای سازگاری تبلیغات انجام شده و بهبنه‌سازی بازنشانی تبلیغات درون نرم‌افزاری کمک می‌کند…»
  9. سامانه‌های نرم افزاری: «بخش عمده‌ای از پژوهش‌های روی سامانه‌های نرم افزاری مرتبط با ایجاد مدل‌های یادگیری ماشین است که به طور خاص با تنسورفلور مربوط می‌شوند… برخی از تحقیقات جدید ما سامانه‌ای را معرفی می‌کنند که آن را شبکه تنسورفلو (Mesh TensorFlow) نامیده‌ایم، سامانه‌ای که با مدل موازی سازی، گاهی با بیش از میلیاردها پارامتر، توزیع رایانه‌ای در مقیاسی عظیم را به راحتی مشخص می‌کند. در نهایت ما پژوهش‌های خود در زمینه امنیت و حریم خصوصی یادگیری ماشین را هم ادامه خواهیم داد. در این راستا توسعه چارچوب‌های متن‌ باز نظیر CleverHans و TensorFlow Privacy برای بهبود امنیت و حریم خصوصی سامانه‌های هوش مصنوعی ادامه خواهد یافت…»
  10. AutoML: «که با نام ابریادگیری نیز نامیده می‌شود برای یادگیری خودکار از برخی از جنبه‌های یادگیری ماشین استفاده می‌شود… هدف بلندمدت این مورد توسعه سامانه‌های یادگیری ماشین با قابلیت آموختن مسئله‌های جدید و حل کردن خودکار آن‌ها با استفاده از دانش حاصل از حل مسائلی است که پیش‌تر با آن‌ها مواجه شده است…»
  11. TPUها: «TPUها سخت افزارهای یادگیری ماشین توسعه داده شده توسط گوگل برای افزایش سرعت هستند. این ابزارها به پیشرفت پژوهش‌های گوگل نظیر BERT کمک کرده و به پژوهشگرانی از سراسر دنیا اجازه می‌دهند که از تحقیقات متن باز گوگل استفاده کرده و آن‌ها را توسعه دهند… پژوهش ابری تنسورفلو فرصت استفاده از حجم بالایی از توان رایانه‌ای TPU های ابری رایگان گوگل را برای هزاران محقق فراهم کرده است…»یادگیری ماشین
  12. مجموعه داده‌ها و نرم افزارهای متن باز: «یکی مهم‌ترین تلاش‌های ما در این زمینه تنسورفلو است، سامانه‌ای محبوب در رایانش یادگیری ماشین که در نوامبر 2015 معرفی شد. با رونمایی از تنسورفلو لایت، جاوا اسکریپت و احتمالات تنسورفلو، اکوسیستم این ابزار در 2018 رشدی قابل توجه داشته است. امسال نیز جستجوی مجموعه داده گوگل را منتشر کرده‌ایم که ابزاری برای یافتن مجموعه داده‌ها از سراسر دنیای وب است.»
  13. فناوری رباتیک: «در 2018 هدف ما آموختن چگونگی استفاده از یادگیری ماشین برای آموزش به ربات‌ها در جهان واقعی بود، موضوعی که با دستیابی به توانایی آموزش به ربات‌ها در شناسایی اشیای جدید و استفاده از آن‌ها برای شناسایی سایر اشیا بدون نظارت انسانی، پیشرفتی مهم به شما می‌رود. برای اولین بار ما توانستیم که به صورت آنلاین به ربات‌های واقعی مدل‌های یادگیری تقویتی عمیق را تعلیم دهیم، و روش‌های تئوری جدیدی برای رویکردهای پایدار کنترل ربات‌ها نیز یافتیم…»
  14. به کار بردن هوش مصنوعی در زمینه‌های دیگر: «در سال 2018 از یادگیری ماشین برای حل مسائل متنوعی در فیزیک و بیولوژی استفاده کردیم. با استفاده از یادگیری ماشین بررسی داده‌ای که نیازمند صدها و هزاران دستیار بود را انجام دادیم، به این ترتیب پژوهشگران فرصت بیشتری برای خلاقیت و تولید دارند…»
  15.  سلامتی: «از یادگیری ماشین در سلامت هم استفاده کرده‌ایم… ما بر این باور هستیم که یادگیری ماشین می‌تواند تغییری چشم‌گیر ایجاد کند. رویکرد کلی ما همکاری با سازمان‌های مرتبط با سلامتی برای یافتن مشکلات پژوهشی بنیادین است… در سال 2018، تلاش‌های خود را در فضای وسیعی، از تشخیص بیماری‌ها توسط رایانه تا پیش‌بینی وظایف بیمارستانی توسعه دادیم…»
  16. پژوهش‌های توسعه‌ای: «ما به طرق مختلف، نظیر همکاری با دانشگاه‌ها و حمایت از دانشجویان با جوامع پژوهشی خارجی در تعامل هستیم. ما میزبان صدها دانشجوی کارشناسی ارشد و دکتری در دوره کارورزی آن‌ها بوده‌ایم، همچنین بورس‌های تحصیلی چند ساله برای دانشجویان دکتری هم ارائه کرده‌ایم. اقامت هوش مصنوعی گوگل روشی برای یک سال کار و آموزش در کنار پژوهشگران گوگل است. برنامه جوایز استعدادهای پژوهشی گوگل نیز همه ساله از اعضای هیئت علمی و دانشجویان در پروژه‌های تحقیقاتی حمایت می‌کند.یادگیری ماشین
  17. مکان‌های جدید، چهره‌های جدید: در سال 2018 ما افراد جدید زیادی را به سازمان خود وارد کردیم. ما اولین دفتر تحقیقات هوش مصنوعی خود را در افریقا افتتاح کردیم. این دفتر در شهر آکرا، کشور غنا واقع شده است. ما حضور بخش تحقیقاتی هوش مصنوعی خود را در پاریس، توکیو و آمستردام توسعه دادیم و یک آزمایشگاه تحقیقاتی در پریستون افتتاح کردیم. ما همچنان به جذب افراد مستعد در دفاتر خود در سراسر جهان ادامه می‌دهیم.

همان طور که می‌بینید هوش مصنوعی و فن‌آوری های مربوط به یادگیری ماشین به شدت در حال گسترش هستند اگر دوست دارید ببینید یکی از الگوریتم‌های گوگل که بر پایه فرایند یادگیری ماشین کار می‌کند چه تأثیری در سرچ های شما دارد مقاله: سوالات متداول: همه چیز در مورد الگوریتم Google RankBrain را در نوین مارکتینگ بخوانید.

منابع: forbes
اشتراک گذاری

عضویت در خبرنامه نوین مارکتینگ

با وارد کردن ایمیل خود به جمع خوانندگان ما بپیوندید.

علی‌مراد

من نویسنده‌ای توانا به فن SEO و SEM هستم. در وبسایت‌های بسیاری قلم زده‌ام و اکنون سردبیر بلاگ نوین مارکتینگم. تمام تلاشم بر آن است که مطالبی جذاب، خواندنی، مفید و روشمند به شما ارائه کنم.

مطالب مرتبط

دیدگاهی بنویسید

آدرس ایمیل شما برای عموم نمایش داده نخواهد شد. موارد ضروری با * مشخص شده اند.

11111 /home/novinmain/domains/novinmarketing.com/public_html/wp-content/themes/marketing/single.php